Spark学习四:网站日志分析案例

Spark学习四:网站日志分析案例

标签(空格分隔): Spark

  • Spark学习四网站日志分析案例
    • 一创建maven工程
    • 二创建模板
    • 三日志分析案例

一,创建maven工程

1,执行maven命令创建工程

mvn archetype:generate -DarchetypeGroupId=org.scala-tools.archetypes -DarchetypeArtifactId=scala-archetype-simple -DremoteRepositories=http://scala-tools.org/repo-releases -DgroupId=com.ibeifeng.bigdata.spark.app -DartifactId=analyzer-logs -Dversion=1.0

2,idea导入maven工程
Spark学习四:网站日志分析案例_第1张图片

Spark学习四:网站日志分析案例_第2张图片

Spark学习四:网站日志分析案例_第3张图片

Spark学习四:网站日志分析案例_第4张图片

二,创建模板

Spark学习四:网站日志分析案例_第5张图片

#if ((${PACKAGE_NAME} && ${PACKAGE_NAME} != ""))package ${PACKAGE_NAME} #end
import org.apache.spark.SparkContext
import org.apache.spark.SparkConf
#parse("File Header.java")
object ${NAME} {
  def main(args:Array[String]){
    // create SparkConf
    val sparkConf=new SparkConf().setAppName("Test").setMaster("local[2]")
    //create sc
    val sc=new SparkContext(sparkConf)

    sc.stop()

  }
}

三,日志分析案例

1,准备数据
2,完成代码
Spark学习四:网站日志分析案例_第6张图片

ApacheAccessLog.scala

package com.ibeifeng.bigdata.spark.app

/** * Created by hadoop001 on 4/27/16. */
case class ApacheAccessLog( ipAddress: String , clientIdentd: String , userId: String , dataTime: String , method: String , endPoint: String , protocol: String , responseCode: Int , contentSize: Long ) {

}

object ApacheAccessLog{
  // regex
  // 64.242.88.10 - - [ 07/Mar/2004:16:05:49 -0800 ]
  // "GET /twiki/bin/edit/Main/Double_bounce_sender?topicparent=Main.ConfigurationVariables HTTP/1.1"
  // 401 12846
  val PARTTERN = """^(\S+) (\S+) (\S+) \[([\w:/]+\s[+|-]\d{4})\] "(\S+) (\S+) (\S+)" (\d{3}) (\d+)""".r
  def isValidatelogLine(log:String):Boolean={
    val res=PARTTERN.findFirstMatchIn(log)
    if(res.isEmpty){
      false
    }else{
      true
    }

  }
  def parseLogLine(log:String):ApacheAccessLog={
    val res=PARTTERN.findFirstMatchIn(log)
    if(res.isEmpty){
      throw new RuntimeException("Cannot parse log line: " + log)
    }
    val m=res.get

    ApacheAccessLog(
      m.group(1) ,
      m.group(2) ,
      m.group(3) ,
      m.group(4) ,
      m.group(5) ,
      m.group(6) ,
      m.group(7) ,
      m.group(8).toInt ,
      m.group(9).toLong
    )
  }
}

OrderingUtils.scala

package com.ibeifeng.bigdata.spark.app

/** * Created by hadoop001 on 4/28/16. */
object OrderingUtils {
  object SecondValueOrdering extends Ordering[(String, Int)]{
    /** Returns an integer whose sign communicates how x compares to y. * * The result sign has the following meaning: * * - negative if x < y * - positive if x > y * - zero otherwise (if x == y) */
    def compare(x: (String, Int), y: (String, Int)): Int ={
      x._2.compare(y._2)
    }
  }
}

3,maven进行打包

mvn clean package

Spark学习四:网站日志分析案例_第7张图片

4,提交应用

//本地模式
bin/spark-submit --class com.ibeifeng.bigdata.spark.app.LogAnalyzer analyzer-logs-1.0.jar

Spark学习四:网站日志分析案例_第8张图片

//集群模式 需要启动master和worknode
bin/spark-submit \
--class com.ibeifeng.bigdata.spark.app.LogAnalyzer \
--deploy-mode cluster \
analyzer-logs-1.0.jar \
spark://spark.com.cn:7077

Spark学习四:网站日志分析案例_第9张图片

四,spark launch on yarn
Spark学习四:网站日志分析案例_第10张图片
1) 编译Spark时,指定选择-Pyarn
2) 在提交应用时,指定HADOOP_CONF,读取配置信息
–master yarn

第一种运行模式:yarn-client

/opt/modules/spark-1.3.0-bin-2.5.0/bin/spark-submit \
--class com.ibeifeng.bigdata.spark.app.LogAnalyzer \
analyzer-logs-1.0.jar \
yarn-client

第二种运行模式:yarn-cluster
Spark学习四:网站日志分析案例_第11张图片

Spark学习四:网站日志分析案例_第12张图片

/opt/modules/spark-1.3.0-bin-2.5.0/bin/spark-submit \
--master yarn-cluster \
--class com.ibeifeng.bigdata.spark.app.LogAnalyzer \
analyzer-logs-1.0.jar

你可能感兴趣的:(spark)